인공지능에서 기계가 텍스트에 점수를 매기는 것은 오랜 시간동안 도전적이면서 흥미로운 과제이다. 최근 신경망 모델은 AES (Automated essay Score) 작업에 적용되고 있으며 엄청난 잠재력을 보이다. 기존에 수작업으로 특징 추출하는 방안과 비교해보면 딥러닝에 일반적 AES 방법의 정확도가 크게 향상되었다. 그러나 대부분의 딥러닝에 모델은 텍스트 자체의 등급 정보 만 배울 수 있으며 정확도는 여전히 개선의 여지가 있다. 이 논문은 평점 평균 정확도를 높이 는 문제 에 대해 창조 적 인 논문 발굴을 모색 했다. 1) 정보를 채점하기 전에 딥 네트워크를 통해 더 많은 정보를 얻는 방법. 2) AES를 위한 새롭고 효과적인 딥 네트워크를 구축하는 방법. 3) AES를 수행 할 때 창의적인 에세이를 찾는 방법. 저희는 ...
인공지능에서 기계가 텍스트에 점수를 매기는 것은 오랜 시간동안 도전적이면서 흥미로운 과제이다. 최근 신경망 모델은 AES (Automated essay Score) 작업에 적용되고 있으며 엄청난 잠재력을 보이다. 기존에 수작업으로 특징 추출하는 방안과 비교해보면 딥러닝에 일반적 AES 방법의 정확도가 크게 향상되었다. 그러나 대부분의 딥러닝에 모델은 텍스트 자체의 등급 정보 만 배울 수 있으며 정확도는 여전히 개선의 여지가 있다. 이 논문은 평점 평균 정확도를 높이 는 문제 에 대해 창조 적 인 논문 발굴을 모색 했다. 1) 정보를 채점하기 전에 딥 네트워크를 통해 더 많은 정보를 얻는 방법. 2) AES를 위한 새롭고 효과적인 딥 네트워크를 구축하는 방법. 3) AES를 수행 할 때 창의적인 에세이를 찾는 방법. 저희는 딥러닝 모델로 하여 금 평점 정보를 더 많이 배우게 하고 더 좋은 딥러닝 네트워크 구조를 디자인 하는 것 이 자동 평점 효과를 높이 는 데 도움 이 된다고 생각한다. 한편, 창의 적인 논문의 발견은 AES 더욱 매력적 이고 스마트 하게 만들 것 이라고 생각한다. 본 논문의 연구 중심은 AES의 정확성과 창조적 논문에 대한 발굴이다. 먼저, 자체 학습 표시 체제와 새로운 신경망 구조를 제시 하여 AES의 정밀도를 높인다. 전통적 인핸드 메이드 모델 보다 단아한 신경망 모델은 언어 현상을 풍부하게 배우는 데 효과적이다. 이는 일반 신경망에 비해 연결체 구조를 가진 심층 신경망 네트워크도 성능 이 좋다. 손으로 뽑은 것과 같은 자체 학습 메커니즘은 신경망에서 더 많은 정보를 배우는 데 적합하다. 우리가 제시 한 방법을 ASAP 임무에 활용 하여 기존의 방법 보다 더 좋은 성능을 거두었다. 이를 바탕으로 AES 기반의 창의적 인 글 발굴을 모색 했다. 우리는 창의적인 글을 추천하는 감독 없는 방식으로 교육을 받을 수 있는 텍스트인검스를 제안 했다. 이 모델 이 추천 하는 창의적 인 글은 받아들일 수 있는 것으로 나타났다. 우리는 이 작업이 인력의 양을 줄이고 미래의 온라인 학습을 가속화하는 데 도움이 될 것 이라고 굳게 믿는다. 이 논문은 6개의 챕터로 구성된다. 1장에서는 AES의 연구 배경, 관련 연구에 대해 소개한다. 2장에서는 현재 딥러닝 위한 주요 신경망 모델을 설명하며 이 논문의 기초적 이론이기도하다. 3장에서는 신경망이 사전 정보를 배우고 표현 방법을 제공 할 수 있는 자가 학습 메커니즘이라는 방법을 제안한다. 4장에서는 SBLSTMA (Siamese Bidirectional LongShort-Term Memory Architecture) 라고하는 AES 용 Siamese 신경망을 제안한다. 5 장에서는 창의성 에세이를 찾는 방법에 대한 새로운 연구를 살펴본다. 창의성 에세이 마이닝을 위해 최첨단 언어 모델과 GAN 신경망을 사용한다. 마지막으로 6장에서는 결론 및 향후 연구에 대해 논의한다.
인공지능에서 기계가 텍스트에 점수를 매기는 것은 오랜 시간동안 도전적이면서 흥미로운 과제이다. 최근 신경망 모델은 AES (Automated essay Score) 작업에 적용되고 있으며 엄청난 잠재력을 보이다. 기존에 수작업으로 특징 추출하는 방안과 비교해보면 딥러닝에 일반적 AES 방법의 정확도가 크게 향상되었다. 그러나 대부분의 딥러닝에 모델은 텍스트 자체의 등급 정보 만 배울 수 있으며 정확도는 여전히 개선의 여지가 있다. 이 논문은 평점 평균 정확도를 높이 는 문제 에 대해 창조 적 인 논문 발굴을 모색 했다. 1) 정보를 채점하기 전에 딥 네트워크를 통해 더 많은 정보를 얻는 방법. 2) AES를 위한 새롭고 효과적인 딥 네트워크를 구축하는 방법. 3) AES를 수행 할 때 창의적인 에세이를 찾는 방법. 저희는 딥러닝 모델로 하여 금 평점 정보를 더 많이 배우게 하고 더 좋은 딥러닝 네트워크 구조를 디자인 하는 것 이 자동 평점 효과를 높이 는 데 도움 이 된다고 생각한다. 한편, 창의 적인 논문의 발견은 AES 더욱 매력적 이고 스마트 하게 만들 것 이라고 생각한다. 본 논문의 연구 중심은 AES의 정확성과 창조적 논문에 대한 발굴이다. 먼저, 자체 학습 표시 체제와 새로운 신경망 구조를 제시 하여 AES의 정밀도를 높인다. 전통적 인핸드 메이드 모델 보다 단아한 신경망 모델은 언어 현상을 풍부하게 배우는 데 효과적이다. 이는 일반 신경망에 비해 연결체 구조를 가진 심층 신경망 네트워크도 성능 이 좋다. 손으로 뽑은 것과 같은 자체 학습 메커니즘은 신경망에서 더 많은 정보를 배우는 데 적합하다. 우리가 제시 한 방법을 ASAP 임무에 활용 하여 기존의 방법 보다 더 좋은 성능을 거두었다. 이를 바탕으로 AES 기반의 창의적 인 글 발굴을 모색 했다. 우리는 창의적인 글을 추천하는 감독 없는 방식으로 교육을 받을 수 있는 텍스트인검스를 제안 했다. 이 모델 이 추천 하는 창의적 인 글은 받아들일 수 있는 것으로 나타났다. 우리는 이 작업이 인력의 양을 줄이고 미래의 온라인 학습을 가속화하는 데 도움이 될 것 이라고 굳게 믿는다. 이 논문은 6개의 챕터로 구성된다. 1장에서는 AES의 연구 배경, 관련 연구에 대해 소개한다. 2장에서는 현재 딥러닝 위한 주요 신경망 모델을 설명하며 이 논문의 기초적 이론이기도하다. 3장에서는 신경망이 사전 정보를 배우고 표현 방법을 제공 할 수 있는 자가 학습 메커니즘이라는 방법을 제안한다. 4장에서는 SBLSTMA (Siamese Bidirectional LongShort-Term Memory Architecture) 라고하는 AES 용 Siamese 신경망을 제안한다. 5 장에서는 창의성 에세이를 찾는 방법에 대한 새로운 연구를 살펴본다. 창의성 에세이 마이닝을 위해 최첨단 언어 모델과 GAN 신경망을 사용한다. 마지막으로 6장에서는 결론 및 향후 연구에 대해 논의한다.
Teaching machines to learn how to score text is one of the most fantastic tasks and long-standing challenges in Artificial Intelligence. The neural network model has recently been applied to the task of automated essay scoring (AES) and demonstrates tremendous potential. Compared with the convention...
Teaching machines to learn how to score text is one of the most fantastic tasks and long-standing challenges in Artificial Intelligence. The neural network model has recently been applied to the task of automated essay scoring (AES) and demonstrates tremendous potential. Compared with the conventional handcrafted feature extraction approaches, the AES method's average accuracy based on deep learning has been greatly improved. However, improving the scoring accuracy of AES and creativity evaluation is still our primary goal. This thesis tackles the problem of improving the average accuracy of the score and makes exploration of creativity essay mining: 1. How to make a deep network to learn more prior to scoring information 2. How to build a novel, more effective deep network for AES. 3. How to find out creative essays when doing AES. On the one hand, we think that let the deep model learn more rating information, and design a better deep network architecture helps improve the automatic scoring effect. On the other hand, we think that the discovery of creativity essays will make AES more attractive and intelligent. In this thesis, we focus on improving the accuracy of AES and the creativity essay mining. First, we propose a self-learning representation mechanism and a novel neural network architecture for improving the accuracy of AES. Compared to traditional handcrafted feature-based models, this kind of end-to-end neural model has proven to be more effective in learning-rich linguistic phenomena. Compared with general neural networks, this deep neural network with a siamese architecture also has better performance. The self-learning mechanisms that are similar to handcrafted feature extraction are suitable for neural networks learning more information. We apply the proposed approach to the task of ASAP and get better performance than the previous methods. Furthermore, we make an exploration of creativity essay mining based on AES. We propose a text GANs, which can be trained in an unsupervised way to recommend the creativity essay. The experimental results show that the creativity essay recommended by the proposed model is acceptable. We firmly believe that this work will help reduce manual workloads and speed up online learning in the future. This thesis consists of six chapters. Chapter 1 introduces the research background of AES, related work, research motivation, and the main contributions of this thesis. Chapter 2 states the main neural network models for current deep learning, which are also the theoretical basics of this thesis. Chapter 3 proposes a method called self-learning mechanism to help neural networks learn prior information and give a representation method on it. Chapter 4 proposes a Siamese neural network for AES, called Siamese Bidirectional Long Short-Term Memory Architecture (SBLSTMA), by which the self-learning mechanism was also involved. In chapter 5, we explore new work on how to find out creativity essays. We employ the state of the art language model and GANs neural network for creativity essay mining. Lastly, in chapter 6, we summarize the existing work and look forward to future development trends.
Teaching machines to learn how to score text is one of the most fantastic tasks and long-standing challenges in Artificial Intelligence. The neural network model has recently been applied to the task of automated essay scoring (AES) and demonstrates tremendous potential. Compared with the conventional handcrafted feature extraction approaches, the AES method's average accuracy based on deep learning has been greatly improved. However, improving the scoring accuracy of AES and creativity evaluation is still our primary goal. This thesis tackles the problem of improving the average accuracy of the score and makes exploration of creativity essay mining: 1. How to make a deep network to learn more prior to scoring information 2. How to build a novel, more effective deep network for AES. 3. How to find out creative essays when doing AES. On the one hand, we think that let the deep model learn more rating information, and design a better deep network architecture helps improve the automatic scoring effect. On the other hand, we think that the discovery of creativity essays will make AES more attractive and intelligent. In this thesis, we focus on improving the accuracy of AES and the creativity essay mining. First, we propose a self-learning representation mechanism and a novel neural network architecture for improving the accuracy of AES. Compared to traditional handcrafted feature-based models, this kind of end-to-end neural model has proven to be more effective in learning-rich linguistic phenomena. Compared with general neural networks, this deep neural network with a siamese architecture also has better performance. The self-learning mechanisms that are similar to handcrafted feature extraction are suitable for neural networks learning more information. We apply the proposed approach to the task of ASAP and get better performance than the previous methods. Furthermore, we make an exploration of creativity essay mining based on AES. We propose a text GANs, which can be trained in an unsupervised way to recommend the creativity essay. The experimental results show that the creativity essay recommended by the proposed model is acceptable. We firmly believe that this work will help reduce manual workloads and speed up online learning in the future. This thesis consists of six chapters. Chapter 1 introduces the research background of AES, related work, research motivation, and the main contributions of this thesis. Chapter 2 states the main neural network models for current deep learning, which are also the theoretical basics of this thesis. Chapter 3 proposes a method called self-learning mechanism to help neural networks learn prior information and give a representation method on it. Chapter 4 proposes a Siamese neural network for AES, called Siamese Bidirectional Long Short-Term Memory Architecture (SBLSTMA), by which the self-learning mechanism was also involved. In chapter 5, we explore new work on how to find out creativity essays. We employ the state of the art language model and GANs neural network for creativity essay mining. Lastly, in chapter 6, we summarize the existing work and look forward to future development trends.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.